Die automatische Alters- und Geschlechtsklassifikation ist für eine wachsende Zahl von Anwendungen von zunehmender Bedeutung, insbesondere seit dem Aufstieg sozialer Plattformen und sozialer Medien. Dennoch bleibt die Leistung bestehender Methoden auf realen Bildern weiterhin erheblich hinter den jüngsten, beeindruckenden Fortschritten bei der verwandten Aufgabe der Gesichtserkennung zurück. In diesem Artikel zeigen wir, dass sich durch die Nutzung tiefer konvolutioneller neuronalen Netzwerke (CNN) eine erhebliche Verbesserung der Leistung bei diesen Aufgaben erzielen lässt. Hierzu stellen wir eine einfache konvolutionale Netzarchitektur vor, die auch bei begrenzten Lerndaten eingesetzt werden kann. Wir evaluieren unsere Methode am aktuellen Adience-Benchmark für Alters- und Geschlechtsabschätzung und zeigen, dass sie die derzeitigen state-of-the-art-Methoden erheblich übertrifft.